ACM Multimedia · 2026 已录用
GIER-Net: Generative Identity Encoding for Robust Original Identity Restoration from Face-Swapped Images
华南农业大学 · 通讯作者:Shan Bian
研究概述
该研究面向人脸图像发布后遭受换脸与传播退化的场景,在发布前保留用于重建原始身份的保护线索。方法通过可逆生成模型的潜空间表示,结合人脸区域先验引导的冗余身份编码与攻击感知校正,重建具有原始身份特征的人脸图像。在 CelebA-HQ 数据集、三种换脸方法及 JPEG 与模拟社交平台压缩实验中,方法改善了多种条件下的恢复质量,并评估了保护图像的统计可检测性。

适用条件
该方法需要在人脸图像发布前实施保护,恢复的是具有原始身份特征的人脸图像,不能视为任意换脸图像的逐像素或无损复原。实验以 CelebA-HQ 为主,社交平台压缩采用模拟流程,不同换脸方式与评价指标下的表现存在差异。
论文终稿已分配 DOI,出版方页面尚未开放。
DOI:10.1145/3767308.3835761
